w苹果玩不转自动驾驶？( 四 )

当时，Tim Cook接受采访时说：“我们正专注于自动驾驶系统。我们认为这是一个重要的核心技术。我们认为，这是所有AI技术之母，同时可能也是最困难的AI项目之一。”

文章插图
苹果CEO Tim Cook
从去年年底开始，苹果造车的传闻达到了甚嚣尘上的地步，即便如此，只要谈到汽车或者自动驾驶，Tim Cook的回答有“拒绝回答”、“让我们走着瞧”等等非常模糊的语句。
想要苹果高管开口，恐怕只有等苹果的“下一场”发布会了，相信造车项目已经憋了接近10年的苹果，届时会给市场一个惊喜。
在发布之前，我们也能从苹果的专利中获取不少信息。
2019年开始，苹果不断获得汽车相关专利，目前专利总数超过100件。根据不完全统计，自动驾驶相关的专利就达到了23项。其余专利也大多与车辆的智能化相关，还有部分专利关乎汽车安全和机械构造。
自动驾驶领域中，苹果的专利已经涉及自动驾驶的传感器、通信、控制等核心领域。
在感知层面，苹果获得了一项名为《体素特征学习网络》的专利，利用3D体素特征学习/检测网络捕获细微的3D形状信息，从而实现物体识别。

文章插图
3D体素特征学习/检测流程
相比于此前的点云对象检测网络，3D体素特征学习/检测网络的检测精度可以从此前的88%提升至89.2%，并且平均方向误差可以从此前的2.5度减少为0.82度。
这一检测方法可以用于检测道路上行驶的车辆、行人、骑行者等多种物体。
目前，苹果希望走的自动驾驶路线仍然是传感器融合，包括使用激光雷达、摄像头、毫米波雷达、超声波雷达等，而非纯视觉感知。
实际上，苹果也已经将传感器融合技术装进了手机和平板电脑中，去年开始，苹果的iPad Pro以及iPhone 12 Pro系列都搭载了激光雷达，在AR测距、夜间对焦能力上有了明显进步。
不过截至目前，还没有消息称苹果会将手机中学习的数据迁移到自动驾驶当中。
在决策环节，苹果的一项专利中采用了和谷歌Alpha GO类似的机器学习方法，即蒙特卡洛树搜索，这一机器学习方法已经广泛应用于棋盘类游戏和开放式游戏。
因此，车辆的自动驾驶被简化为两个步骤：
1、预测即将发生的交通状况，对车辆的行驶轨迹作出多种规划；
2、从多种规划中选择出一个正确的驾驶动作。
当车辆进入自动驾驶状态后，可以根据交通状况规划出在一定时间范围内的车辆动作，包括加速、减速、改变车道等，这些动作可以通过蒙特卡洛搜索树生成。

文章插图
蒙特卡洛树搜索的四个步骤
实际应用中，苹果的决策过程显得更加复杂。通过向不同的蒙特卡洛树搜索模型提供记录下的车辆动作、来自模拟的动作以及收益，在强化学习策略神经网络、监督式学习价值神经网络的蒙特卡洛树搜索分别可以提升广度和深度。
反观苹果的自动驾驶成果，其在算法层面还需要更多进步。
结语：自动驾驶将是Apple Car核心汽车“新四化”早已是汽车行业共同的目标。显然，Apple Car将是苹果智能化的集大成者，其核心也将是Tim Cook口中的AI领域最艰难的一环——自动驾驶。
面向未来出行场景，这家2.5万亿美元市值的公司，能否再打造出颠覆性创新的产品，经验整个汽车市场呢？让我们拭目以待。